BMP180由于其价格原因，静止状态气压数值波动挺大的，就是用最高精度误差也是不小。针对这个误差大的问题，我一直倾向于使用数学方式来进行补偿。
个人的解决方案如下：

使用一阶卡尔曼滤波来对得到的数据进行滤波，以尽可能的排除误差，提高精度

网络上的一阶卡尔曼滤波很多的，我选用的是单函数版本的（忘了是哪里看到的了……效果很不错，如果原作者看到了请记得联系我，我会添上引用与来源），可以使其静止精度基本上可以达到ms5611原始水平，气压的值可在0.01mbar稳定。
使用的卡尔曼滤波代码如下：

double KalmanFilter(const double ResrcData,double ProcessNiose_Q,double MeasureNoise_R)
{static double x_last;static double p_last;double R = MeasureNoise_R;double Q = ProcessNiose_Q;double x_mid = x_last;double x_now;double p_mid ;double p_now;double kg;   x_mid=x_last; //x_last=x(k-1|k-1),x_mid=x(k|k-1)p_mid=p_last+Q; //p_mid=p(k|k-1),p_last=p(k-1|k-1),Q=噪声kg=p_mid/(p_mid+R); //kg为kalman filter，R为噪声x_now=x_mid+kg*(ResrcData-x_mid);//估计出的最优值p_now=(1-kg)*p_mid;//最优值对应的covariance      p_last = p_now; //更新covariance值x_last = x_now; //更新系统状态值return x_now;               
}

参数我选择的是10,300，数据更新速度20hz，没经过特别的选参，但随意的选参就能达到很好的效果我觉得这个很有调试的价值，但经过滤波后其实时性会受到影响，所以并不是十分适合运用在需要快速得到当前气压的情况（如四轴，个人意见，更新速度足够快我认为也不是不行，但效果肯定没MS5611再加上滤波效果好了）